科技巨头戴尔近日发布第三季度财报,由于供应链状况的改善有助于抵消个人电脑市场的疲软,使得该季度业绩超出了华尔街的预期水平。
即便如此,戴尔给出的下一季度指引仍低于分析师的预期,导致股价在盘后交易中出现小幅下跌。戴尔股价在常规交易时段下跌2%多,盘后又下跌了2%。
该季度戴尔在不计入股票补偿等特定成本之后的每股收益为2.30美元,轻松超过每股1.60美元的普遍预期。收入同比下降6%,至247亿美元,但仍高于华尔街预期的243.7亿美元。
与此同时,戴尔的营业收入从一年前的10.5亿美元增长至17.6亿美元,净收入达到2.41亿美元,同比减少93%,主要是因为戴尔为2018年涉及VMware股权的一次有争议的股票互换而支付了10亿美元的和解金。
正如预期的那样,戴尔客户端解决方案部门(包括PC和相关设备销售)出现了疲软,该季度收入为137.8亿美元,下滑6%,低于华尔街预期的139.3亿美元。在这个细分市场中,消费PC的销售额下滑超过29%,为30.3亿美元,低于去年同期的42.6亿美元。商用PC的销售额为107.4亿美元,低于去年同期的122.9亿美元。从好的一面来看,这两个数字都略高于华尔街的目标。
该季度戴尔的基础设施解决方案部门(包括服务器、存储阵列和网络硬件的销售)表现强劲,收入为96.3亿美元,比去年同期增长12%。戴尔表示,这主要受益于供应链的改善,缓解了组件和运费的成本压力。
Wikibon首席分析师Dave Vellante表示,戴尔基础设施解决方案部门的表现弥补了在PC市场遭遇的下滑。他解释说:“和疫情期间截然不同的是,现在客户业务成了一个拖累。现在ISG变成了收入增长创新高的驱动力。”
他解释说,该季度12亿美元积压订单让戴尔从中受益,尽管整体销售额有所下降,但仍然推高了每股收益。“这是一个信号,表明供应情况正在好转,但这也意味着戴尔正在消化积压订单。”

戴尔副董事长、联席首席运营官Jeff Clarke(如图)表示,该季度戴尔表现得“非常出色”,超出了预期水平。“我们减少了积压以满足客户需求,实现了创纪录的业务成果,包括创新高的第三季度ISG收入。与此同时,我们的创新引擎正在边缘、多云和即服务等战略领域全速运转。”
目前尚不清楚的是,戴尔未来能否推动业务整体向前发展。戴尔首席财务官Tom Sweet在财报电话会上给出了喜忧参半的预期,称戴尔预计第四季度每股收益在1.50美元至1.80美元之间,收入在230亿美元至240亿美元之间,从中位点来看分别下滑了4%和16%。
Sweet还表示,ISG的销售额预计将“大致持平”,华尔街的预期目标是每股收益1.63美元,收入248.7亿美元。
Sweet向分析师表示:“我们预计持续的全球宏观经济因素,包括经济增长放缓、通货膨胀、利率上升和货币压力,将给我们的客户带来压力,因此,即使他们仍然继续业务数字化,但IT支出意图会受到影响,这些因素正在影响着我们即将到来的这个财年,尤其是下半年。根据我们目前的预期,把第四季度作为指引起点的话,明年收入水平很可能会低于历史同期水平。”
Vellante表示,戴尔还可能面临其他更多问题,因为戴尔已经消耗了很大一部分之前未交付的订单。他说:“ISG的销售增长是因为受到客户之前未被满足的需求所推动的,感觉情况会在好转之前会变得更糟一些。”
戴尔的全年收入指引在1002.6亿美元至1012.6亿美元之间,低于华尔街预期的1018.4亿美元。
不过,这一预测并不令人感到意外。三个月前,在Gartner和IDC等市场分析公司预测PC销量可能出现至少10年来最严重的下滑之后,戴尔高管发出警告称,他们正在调低对PC市场的预期。
好文章,需要你的鼓励
Anthropic发布SCONE-bench智能合约漏洞利用基准测试,评估AI代理发现和利用区块链智能合约缺陷的能力。研究显示Claude Opus 4.5等模型可从漏洞中获得460万美元收益。测试2849个合约仅需3476美元成本,发现两个零日漏洞并创造3694美元利润。研究表明AI代理利用安全漏洞的能力快速提升,每1.3个月翻倍增长,强调需要主动采用AI防御技术应对AI攻击威胁。
NVIDIA联合多所高校开发的SpaceTools系统通过双重交互强化学习方法,让AI学会协调使用多种视觉工具进行复杂空间推理。该系统在空间理解基准测试中达到最先进性能,并在真实机器人操作中实现86%成功率,代表了AI从单一功能向工具协调专家的重要转变,为未来更智能实用的AI助手奠定基础。
Spotify年度总结功能回归,在去年AI播客功能遭遇批评后,今年重新专注于用户数据深度分析。新版本引入近十项新功能,包括首个实时多人互动体验"Wrapped Party",最多可邀请9位好友比较听歌数据。此外还新增热门歌曲播放次数显示、互动歌曲测验、听歌年龄分析和听歌俱乐部等功能,让年度总结更具互动性和个性化体验。
这项研究解决了现代智能机器人面临的"行动不稳定"问题,开发出名为TACO的决策优化系统。该系统让机器人在执行任务前生成多个候选方案,然后通过伪计数估计器选择最可靠的行动,就像为机器人配备智能顾问。实验显示,真实环境中机器人成功率平均提升16%,且系统可即插即用无需重新训练,为机器人智能化发展提供了新思路。